【精品】第三章函数逼近及最小二乘法
数值分析之最小二乘法与最佳一致逼近

这里 ( x) 0是 [a, b]上的权函数,它表示不同点 ( xi , f ( xi ))
处的数据比重不同.
5
S ( x) a00 ( x) a11 ( x) ann ( x) (n m) 用最小二乘法求拟合曲线的问题,就是在
S ( x )中求一函数 y S * ( x), 使误差取得最小.
23
结果如下:
24
2
用正交多项式做最小二乘拟合
用最小二乘法得到的法方程组,其系数矩阵
n . G是病态的
(
(k 0,1,, n). (5.6) j 0 如果 0 ( x), 1 ( x), , n ( x) 是关于点集
k
, j )a j d k
{xi } (i 0,1,, m) 带权 ( xi ) (i 0,1,, m)
4 2.00 8.46 2.135
21
( 0 , y ) yi 9.404,
i 0 4
4
(1 , y ) xi yi 14.422.
i 0
故有法方程
5 A 7.50b 9.404, 7.50 A 11.875b 14.422.
解得
A 1.122, b 0.505, a e A 3.071.
使误差平方和
* 2 [ S ( x ) y ] i i i 0 2 i i 0 m m m
min
S ( x )
2 [ S ( x ) y ] , i i i 0
这里
S ( x) a00 ( x) a11 ( x) ann ( x)
(n m).
y S * ( x) 与所给数据{( xi , yi ), i 0,1,, m} 拟合.
《数学函数逼近》PPT课件

---------(2)
a0 * 0(x) a1 * 1(x) an * n(x)
使得 * 2 2
m
(S * ( xi ) yi )2
i0
m
min S ( x)
2 2
min
S ( x)
i0
( S ( xi
)
yi
)2
n
其中S(x) a j j (x)为中的任意函数。
j0
---------(3)
EAST CHINA INSTITUTE OF TECHNOLOGY
理学院
n
称满足条件(3)的求函数S *(x) a*j j (x)的方法为 j0
数据拟合的最小二乘法.
n
S *(x) a*j j (x)为最小二乘解. j0 n
S(x) a j j (x)为拟合函数, a j ( j 0,1, , n)为拟合系数. j0 * 2 称为最小二乘解的平方误差. 2
解: 从数据的散点图可以看出
y与x之间具有三角函数关系 cos x y与x之间还具有指数函数关 系ex
y与x之间还具有对数函数关 系ln x 因此假设拟合函数与基函数分别为
设x, y的关系为
y S(x)
其中S(x)来自函数类 如(1)中y(x)来自线性函数类
设函数类 的基函数为 i(x)(i 0,1,,n) 一般要求n m
也称是由i(x)(i 0,1,, n)生成的函数集 ,即
span{0(x),1(x),,n(x)}
n
i0
k 0,1,,n 即
m
m
m
a0 0(xi )k (xi ) a1 1(xi )k (xi ) an n(xi )k (xi )
数值计算方法(宋岱才版)课后答案

第一章 绪论一 本章的学习要求(1)会求有效数字。
(2)会求函数的误差及误差限。
(3)能根据要求进行误差分析。
二 本章应掌握的重点公式(1)绝对误差:设x 为精确值,x *为x 的一个近似值,称e x x **=-为x *的绝对误差。
(2)相对误差:r e e x***=。
(3)绝对误差限:e x x ε***==-。
(4)相对误差限:r x x xxεε*****-==。
(5)一元函数的绝对误差限:设一元函数()()()0,df f x f x dx εε***⎛⎫==⋅ ⎪⎝⎭则。
(6)一元函数的相对误差限:()()1r df f x dx f εε****⎛⎫=⋅ ⎪⎝⎭。
(7)二元函数的绝对误差限:设一元函数()()(),0,f f x y f y y εε***⎛⎫∂==⋅ ⎪∂⎝⎭则。
(8)二元函数的相对误差限:()()()1r f f f x y x y f εεε******⎡⎤⎛⎫∂∂⎛⎫⎢⎥=⋅+⋅ ⎪ ⎪∂∂⎝⎭⎢⎥⎝⎭⎣⎦。
三 本章习题解析1. 下列各数都是经过四舍五入得到的近似值,(1)试指出它们有几位有效数字,(2)分别估计1123A X X X ***=及224X A X **=的相对误差限。
12341.1021,0.031,385.6,56.430x x x x ****====解:(1)1x *有5位有效数字,2x *有2位有效数字,3x *有4位有效数字,4x *有5位有效数字。
(2)1111123231312123,,,,A A AA x x x x x x x x x x x x ∂∂∂====∂∂∂由题可知:1A *为1A 的近似值,123,,x x x ***分别为123,,x x x 近似值。
所以()()111rA A Aεε***=()()()12311111123A A A x x x A X X X εεε*******⎡⎤⎢⎥=++⎢⎥⎢⎥⎣⎦⎛⎫⎛⎫⎛⎫∂∂∂ ⎪ ⎪ ⎪∂∂∂⎝⎭⎝⎭⎝⎭43123131212311111010100.215222x x x x x x x x x **-**-**-***⎡⎤=⨯⨯+⨯⨯+⨯⨯=⎢⎥⎣⎦()222222424441,,,X A Ax A X x x x x ∂∂===-∂∂则有同理有2A *为2A 的近似值,2x *,4x *为2x ,4x 的近似值,代入相对误差限公式:()()222rA A Aεε***=()()24212224A A X X A X X εε*****⎡⎤⎢⎥=+⎢⎥⎢⎥⎣⎦⎛⎫⎛⎫∂∂ ⎪ ⎪∂∂⎝⎭⎝⎭()33542224411*********X X X X X **--***⎡⎤⎢⎥=⨯⨯+⨯⨯=⎢⎥⎣⎦2. 正方形的边长大约为100cm ,怎样测量才能使其面积误差不超过21cm ? 解:设正方形的边长为x ,则面积为2S x =,2dsx dx=,在这里设x *为边长的近似值,S *为面积的近似值:由题可知:()()1ds s x dx εε***=≤⎛⎫ ⎪⎝⎭即:()21x x ε**⋅≤ 推出:()10.005200xcm ε*≤=。
数值分析第二次作业答案answer2

S4 = 0.11157238253891,S8 = 0.11157181325263。 同学们根据自己理解计算 S4 ,S8 都可。 复合梯形公式和复合 Simpson 公式的代码已重复多次,同学们自己整 理。 3. 用 Simpson 公式计算积分 误 差 为 |R(f )| = | − η ∈ (0, 1)。 4. 推导下列三种矩形求积公式: ∫b f (x)dx ∫a b f (x)dx ∫a b a f (x)dx = (b − a)f (a) + = (b − = (b −
14.7 53.63 从而 a = −7.855048,b = 22.25376。 2. 已知实验数据如下: 。 xi 19 25 31 38
44
yi 19.0 32.3 49.0 73.3 97.8 用最小二乘法求形如 y = a + bx2 的经验公式。 答案:两个待定常数,只能两个 φ。 φ0 ,φ1 也必须形如 y = a + bx2 。 可设 φ0 = 1,φ1 = x2 。法方程为: ( 5 5327 )( a b ) = ( 271.4 369321.5 )
第三章 函数逼近 1. 观测物体的直线运动,得出以下数据: 时间 t(s) 0 0.9 1.9 3.0 3.9 5.0 距离 s(m) 0 求运动方程。 ( 10 φ0 = 1,φ1 = t。法方程为: 6 14.7 )( a b ) = ( 280 1078 )
6
1. 用 LU 分解及列主元高斯消去法解线性方程组 8 10 −7 0 1 x1 −3 2.099999 6 2 x 5.900001 2 = 5 5 − 1 5 − 1 x 3 x4 1 2 1 0 2 输出 Ax = b 中系数 A = LU 分解的矩阵 L 及 U ,解向量 x 及 det A;列 主元法的行交换次序,解向量 x 及 det A;比较两种方法所得的结果。 代码: A=[10,-7,0,1;-3,2.099999,6,2;5,-1,5,-1;2,1,0,2]; b=[8,5.900001,5,1]'; x=A\b;x(1) 结果:1.7764e-016 LU分解代码: A=[10,-7,0,1;-3,2.099999,6,2;5,-1,5,-1;2,1,0,2]; b=[8,5.900001,5,1]'; [m,n] = size(A); if m~=n, error('A matrix needs to be square'); end for i=1:n-1 pivot = A(i,i); if abs(pivot)<50*eps, error('zero pivot encountered'); end for k = i+1:n A(k,i) = A(k,i)/pivot; A(k,i+1:n) = A(k,i+1:n) - A(k,i)*A(i,i+1:n); end end 7
最佳平方逼近与最小二乘拟合

最佳平方逼近与最小二乘拟合——两者的区别与联系 函数逼近是用一个多项式无限接近原函数,而拟合是将函数中的元素联系起来。
也就是说,最佳平方逼近是针对函数,最小二乘法是针对离散的点,二者在形式上基本一致。
另外,最小二乘拟合也称为离散型最佳平方逼近,两者的解法有很多相似之处。
一、 函数的最佳平方逼近 (一)最佳平方逼近函数的概念对[]b a C x f ,)(∈及[]b a C ,中的一个子集{}n span ϕϕϕφ,,,10⋯=,若存在φ∈)(*x S,使[]dx x S x f x S f Sf baS S ⎰-=-=-∈∈22222*)()()(infinf ρϕϕ,则称)(*x S 是)(x f 在子集[]b a C ,⊆φ中的最佳平方逼近函数。
(二)最佳平方逼近函数的解法为了求)(*x S ,由[]dxx S x f x S f Sf baS S ⎰-=-=-∈∈22222*)()()(infinf ρϕϕ可知,一般的最佳平方逼近问题等价于求多元函数dxx f x a x a a a I banj j j n 2010)()()(),,,(⎰∑⎥⎦⎤⎢⎣⎡-=⋯=ϕρ的最小值问题。
由于),,,(10n a a a I ⋯是关于n a a a ,,,10⋯的二次函数,利用多元函数极值的必要条件),,1,0(0n k a Ik⋯==∂∂,即n),,1,0(0)()()()(20⋯==⎥⎦⎤⎢⎣⎡-=∂∂⎰∑=k dx x x f x a x a Ik b a n j j j kϕϕρ,于是有()()),,1,0(,,0n k f a k j nj j k ⋯==∑=ϕϕϕ。
),,,,1(2n n x x x G G Λ=()()),,1,0(,,0n k f a k j nj j k⋯==∑=ϕϕϕ是关于n 10,,,a a a ⋯的线性方程组,称其为法方程。
由于n ϕϕϕ,,,10⋯线性无关,故系数行列式()0,,,10≠⋯n G ϕϕϕ,于是方程组()()),,1,0(,,0n k f a k j nj j k⋯==∑=ϕϕϕ有唯一解),,1,0(*n k a a k k ⋯==,从而得到)()()(*0*0*x a x a x S n n ϕϕ+⋯+=。
最小二乘法及其应用

(3-2-4)
这就是书中例2-4-1中所得到的法方程 若使用配方法,则有:
g(x) xT AT Ax 2bT Ax bTb
( AT Ax ATb)T ( AT A)1( AT Ax ATb)
bTb bT A( AT A)1 ATb
min AT Ax ATb
可以看出,
gmin bT b bT A( AT A)1 AT b
本例中介绍的两个向量求导公式中,
提到了对于向量x求导的梯度算符 x ,我
们还可以引入对矩阵 A aij 求导的梯度算
符 A
:
a11
L
a12
a1n
L
A
L
L L L
L
L
L
(3-2-5)
an1 an2 L ann
需要说明的是,算符A 只有作用在关于 aij 的标量函数上才有意义。例如对于二次型
在上述解法中,卡享南-洛厄维变换被 选用并不是偶然的,因为这种变换消除了 原始信号x的诸分量间的相关性,从而使 数据压缩能遵循均方误差最小的准则实施。 上述数据压缩方法告诉我们应该压缩掉y 中那些方差大的分量,这称为数据压缩的 方差准则。
J1(A) || Y XA ||2 tr[(Y XA)T (Y XA)] min (3-3-12)
式(3-3-12)的形式与(3-3-9)类似,但 应注意在此处 J1(A)是标量函数。她可以
完全类似于式(3-3-10)那样来配方而求 解,也可体用求导法来求解。由于
J1( A) tr(Y TY ) 2tr(Y T XA) tr(AT X T XA) (3-3-13)
M
M
A
yT (m) xT (m)
或简记为
函数逼近

3-1
3与预备知识
什么是函数逼近
对于一个给定的复杂函数 f (x), 在某个表达式较简单的函数类 Φ 中寻找一个函数 p(x), 使其在某种 度量下距离 f (x) 最近, 即最佳逼近. 这就是函数逼近. • • • • 函数 f (x) 通常较复杂, 但一般是连续的. 我们这里主要考虑 [a, b] 上的连续函数, 即 f (x) ∈ C [a, b]; 函数类 Φ 通常为多项式函数, 或分段多项式函数, 或有理函数, 或三角多项式函数, 等等; 在不同的度量下, f (x) 的最佳逼近可能不一样; 函数逼近通常采用基函数法.
2
例 3.1 常见的线性空间 • • • • • 3.1.4 Rn : 数域 R 上的 n 为线性空间; Cn : 数域 C 上的 n 为线性空间; C [a, b]: 定义在 [a, b] 上的实系数连续函数全体构成 R 上的线性空间; Hn : 次数不超过 n 的实系数多项式全体构成 R 上的 n + 1 维线性空间; C p [a, b]: 定义在 [a, b] 上的实系数 p 阶连续可导函数全体构成 R 上的线性空间; 范数与赋范线性空间
3.1 基本概念与预备知识 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-2 3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.1.6 3.2 什么是函数逼近 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-2 多项式逼近的理论基础 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-2 线性空间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-2 范数与赋范线性空间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-2 内积与内积空间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-3 最佳逼近多项式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-8
数值分析第3章

20
定义了内积的线性空间称为内积空间. 定义中(1)的右端 (u称, v为) 的(u共,轭v), 当K为实数域R时 (u, v) .(v, u) 如果 (u, v,) 则 称0 与 正交u ,这v 是向量相互垂 直概念的推广.
b a
f
2
(
x)dx
2
33
若 0 ,1,,n是 C[a, b]中的线性无关函数族,记 span{0 ,1,,n}, 它的格拉姆矩阵为
G G(0 ,1,,n )
(0 ,0 ) (0 ,1) (0 ,n )
(1
,
0
)
(1 , 1 )
(1
,
n
)
(n ,0 )
(n ,1 )
(
n
,
n
)
(1.17)
Hn span{1, x,, xn},
且 (a0 , a1,, an ) 是 p(x) 的坐标向量,H n 是 n 1维的.
8
对连续函数 f (x) C[a,b],它不能用有限个线性无关的 函数表示,故 C[a,b]是无限维的,但它的任一元素 f (x) 均可用有限维的 p(x) Hn逼近,使误差
与数的乘法构成实数域上的线性空间, 记作 R n,称为 n维
向量空间.
4
对次数不超过 n( n为正整数)的实系数多项式全体,
按通常多项式与多项式加法及数与多项式乘法也构成数域
R上一个线性空间,用
H
表示,称为多项式空间.
n
所有定义在 [a,b] 上的连续函数集合,按函数加法和
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三章函数逼近及最小二乘法第三章 函数逼近及最小二乘法 §1 内积空间及函数的范数定义1 设)(x ρ是定义在(a,b)上的非负函数,且满足:1)dx x x nba )(ρ⎰存在 (n=0,1,2,…) 2)对非负的连续函数g(x),若0)()(=⎰dx x x g b a ρ则在(a,b)上有g(x)=0,则称)(x ρ为(a,b)上的权函数。
定义2 设f(x),g(x)为[a,b]上的连续函数,)(x ρ为(a,b)上的权函数,称),(g f = dx x x g x f ba )()()(ρ⎰为函数f(x)与g(x)在[a,b]的内积。
特别当)(x ρ=1时,上式变为),(g f = dx x g x f b a ⎰)()(设],[b a C 表示在区间[a,b]上连续函数的全体,那么定义了内积之后,],[b a C 就变成了一个内积空间。
显然有),(f f = dx x x f ba )()(2ρ⎰为一个非负值,因此我们有定义3 对],[)(b a C x f ∈,称),()(2f f x f =为)(x f 的欧氏范数(又称2-范数)。
其实,我们还经常用到函数的其他范数。
比如,)(max)(xfxfbxa≤≤∞=dxxxfxf ba)()()(1ρ⎰=n维向量空间中两个向量正交的定义也可以推广到连续内积空间],[baC中.定义4 若],[)(),(baCxgxf∈,满足),(gf = dxxxgxf ba)()()(ρ⎰=0则称函数f(x)与g(x)在[a,b]上带权)(xρ正交.若函数族),(,),(),(1xxxnϕϕϕ满足⎰⎩⎨⎧=>≠==bakkjkj kjAkjdxxxx)()()(),(ϕϕρϕϕ则称函数族{})(x kϕ是[a,b]上带权)(xρ的正交函数族.特别地,若1=kA ,就称之为标准正交函数族.由高等数学的知识,我们知道, Foureir级数展开中函数族 1,cosx,sinx,cos2x,sin2x,……即为],[ππ-上带权)(xρ=1的正交函数族.如同线性代数中的向量组线性无关概念一样,在此也有函数组的线性无关概念.定义5设函数组)(,),(),(11xxxn-ϕϕϕ 在[a,b]上连续,若)()()(1111=+++--xaxaxannϕϕϕ当且仅当011====-naaa 时成立,则称函数族)(,),(),(11xxxn-ϕϕϕ 在[a,b]上是线性无关的.否则称为线性相关函数组。
若函数族 ),(,),(),(10x x x n ϕϕϕ满足任何有限个)(x k ϕ组成的函数组都是线性无关的。
则称此函数族为线性无关函数族。
例如:1, ,,,,2n x x x 即为任意区间[a,b]上的线性无关函数族。
若)(,),(),(110x x x n -ϕϕϕ 在[a,b]上是线性无关的函数组,且110,,,-n a a a 是任意实数,则)()()()(111100x a x a x a x s n n --+++=ϕϕϕ的全体是C[a,b]中的一个子集,记作)}(,),(),({110x x x span n -=ϕϕϕϕ称为由)(,),(),(110x x x n -ϕϕϕ 生成的连续函数空间。
判断)(,),(),(110x x x n -ϕϕϕ 线性无关的条件由下定理给出,定理 )(,),(),(110x x x n -ϕϕϕ 在[a,b]上线性无关的充要条件为0),(),(),(),(),(),(),(),(),(111101111101101000≠------n n n n n n ϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕ。
§2 正交多项式一般地,给定区间[a,b]及权函数)(x ρ后,由1,n x x x ,,,2 可以用Schmidt 正交化方法构造出n 次正交多项式,其公式为:1)(0=x ϕ,)())(),(())(,()(1x x x x x x x j k j j j j k k k ϕϕϕϕϕ∑-=-= (2-1)n k ,,2,1 =这样构造的正交多项式有以下性质:① )(x k ϕ是最高项系数为1的k 次多项式; ② 任何k 次多项式均可表示为前k+1个多项式)(,),(),(10x x x k ϕϕϕ 的线性组合;③ 对于l k ≠,有0),(=l k ϕϕ,并且k ϕ与任一次数小于k 的多项式正交。
例: 给定区间[0,1]及权函数x xx ln 1ln)(-==ρ,由1,n x x x ,,,2 用Schmidt 正交化方法构造出前3个正交多项式)(),(),(210x x x ϕϕϕ。
解 由公式(2-1)知,1)(0=x ϕ,)(),(),()(00001x x x x ϕϕϕϕϕ-=,--=)(),(),()(0000222x x x x ϕϕϕϕϕ)(),(),(11112x x ϕϕϕϕ,其中,11ln ),(1000==⎰dx x ϕϕ,411ln ),(100==⎰dx x x x ϕ,911ln ),(10202==⎰dx x x x ϕ,由此得41)(1-=x x ϕ14451ln )41(),(10212=-=⎰dx x x x x ϕ,14471ln )41(),(10211=-=⎰dx x x ϕϕ 得)41(7591)(22---=x x x ϕ=25217752+-x x 。
2-1 Legendre 正交多项式Legendre 正交多项式为区间[-1,1]及权函数1)(=x ρ时,由1,n x x x ,,,2 用Schmidt 正交化方法构造出的n 次正交多项式。
它是由Legendre 于1785年首先引入的,1814年Rordrigul 给出了更简单的表示式,即,1)(0=x p {}nnn nn x dx d n x p )1(!21)(2-= ,2,1=n (2-2) 易见,)(x p n 的最高次项的系数与nnn nx dxd n 2!21的系数是相同的,所以)(x p n 的最高次项,n x 的系数为2)!(2)!2(n n n ,从而得到最高次项系数为1的Legendre 正交多项式为{}nnnn x dxd n n x p )1()!2(!)(~2-= (2-3)以下是Legendre 正交多项式的几个重要性质: 性质1 正交性⎰-⎪⎩⎪⎨⎧=+≠=111220)()(n m n n m dx x p x p m n (2-4)证明 令n x x )1()(2-=ϕ,显然0)1()(=±k ϕ)10(-≤≤n k 设)(x Q 是[-1,1]上 n 阶连续可导函数,由分部积分⎰-=11)()(dx x Q x p n ⎰-11)()()(!21dx x x Q n n n ϕ ⎰--='-=11)1()()(!21 dx x x Q n n n ϕ⎰--=11)()()(!2)1(dx x x Q n n nn ϕ 若)(x Q 是次数小于n 的单项式时,0)()(=x Q n ,故得 ⎰-=11,0)()(dx x p x p m n 当n m ≠时。
若)()(x p x Q n =)(!21)(x n n n ϕ= +=nn x n n 2)!(2)!2( 则 )()()()(x p x Q n nn =!2)!2(n n n =⎰-=112)(dx x p n 22)!(2)!2()1(n n nn -⎰--112)1(dx x n22)!(2)!2(n n n =⎰--112)1(dx x n 22)!(2)!2(2n n n =⎰-102)1(dx x n又 ⎰-102)1(dx x n)12(31)2(42+⋅⋅=n n 代入上式得⎰-=112)(dx x p n 122+n ,得证。
性质2 奇偶性 )()1()(x p x p n n n -=-证明 由于n x )1(2-为偶函数,n 为偶数时,相当于偶函数求偶次导数,结果仍为偶函数。
n 为奇数时,相当于偶函数求奇次导数,结果为奇函数。
性质3 递推关系 ,1)(0=x p ,)(1x x p =)()()12()()1(11x np x xp n x p n n n n -+-+=+ 1>n (2-5)证明 由于)(x xp n 为一个n+1次多项式,所以它可以表示成)()()()(111100x p a x p a x p a x xp n n n +++++= (2-5)两边乘以)(x p k ,并在[-1,1]上积分,再由正交性知⎰⎰--=11211)()()(dx x p a dx x p x xp k k k n (2-6)当2-≤n k 时,)(x xp k 为一个次数小于等于n-1的多项式,)(x xp k 为)(,),(),(110x p x p x p n - 的线性组合,)(x p n 与它们正交,所以(2-6)式左端等于0,得0=k a ,2,,2,1,0-=n k当n k =时,(2-6)式中)()()(2x xp x p x xp n k n =为奇函数,(2-6)式左端等于0,∴0=n a 。
由以上讨论知(2-5)式变为)()()(1111x p a x p a x xp n n n n n ++--+= (2-7)比较(2-7)两端1+n x的系数,得1211++=+n n a n ,在(2-7)式中取x=1,并注意到Legendre 正交多项式)(x p n 满足1)1(=n p (),2,1,0 =n 得到111+-+=n n a a ,∴121+=-n na n 。
得证。
性质4 )(x p n 在[-1,1]内有n 个不同的零点。
性质5 在[-1,1]区间上,所有最高项系数为1的n 次多项式中,Legendre 正交多项式{}nnnn x dxd n n x p )1()!2(!)(~2-=的欧氏范数(2-范数)最小。
即 2)(2)(min )(~x q x p Jx q n ∈= 。
其中J={最高项系数为1的n 次多项式}。
2-2 Chebyshev 正交多项式Chebyshev 正交多项式为区间[-1,1]及权函数211)(x x -=ρ时,由1,n x x x ,,,2 用Schmidt 正交化方法构造出的n 次正交多项式。
其表达式为)arccos cos()(x n x T n = 1≤x (2-8)若令θcos =x ,则有θn x T n cos )(= ],0[πθ∈ Chebyshev 正交多项式有如下性质: 性质1 )(x T n 有以下递推关系,1)(0=x T ,)(1x x T =)()(2)(11x T x xT x T n n n -+-= (2-9)证明 ∵=+θ)1cos(n θθcos cos n θθsin sin n -=-θ)1cos(n θθcos cos n θθsin sin n +两式相加,得 =+θ)1cos(n θθcos cos 2n θ)1cos(--n ,并由θcos =x 及θn x T n cos )(=得证。